基于大数据的数控机床组智能控制系统技术方案

本发明专利技术涉及电子数字数据处理技术领域，具体涉及一种基于大数据的数控机床组智能控制系统，该系统能够在互联网协同制造平台等互联网生产服务平台进行实现。根据每类零件在其加工过程中所需的刀具类型、刀具的进给量和机床的主轴转速来获取每类零件的特征指标，对多类零件的特征指标进行归一化得到对应的归一化值，基于归一化值和优化的霍夫曼编码获取每类零件的编码，得到通用霍夫曼表；通过查询霍夫曼表获得待加工零件的实际编码，以根据实际编码对数控机床进行智能控制。对数控机床进行工业信息采集和数据处理以将每类零件的加工设备参数用编码的形式替代，构成通用编码表，通过查询通用编码表来自动控制数控机床，以提高零件加工效率。零件加工效率。零件加工效率。

Intelligent control system of CNC machine tool set based on big data

【技术实现步骤摘要】
基于大数据的数控机床组智能控制系统


[0001]本专利技术涉及电子数字数据处理
，具体涉及一种基于大数据的数控机床组智能控制系统。

技术介绍

[0002]在控制数控机床进行生产时，我们用单独机床进行生产时，需要加工不同的零件，每次加工不同部位零件都会需要对数控机床的数据进行调整，导致加工效率低下，因此需要借助互联网协同制造平台等互联网生产服务平台以实现数控机床的自适应控制。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于大数据的数控机床组智能控制系统，所采用的技术方案具体如下：
[0004]第一数据处理单元，用于基于数控机床组在设定时间段内加工的历史零件，统计所述历史零件的总数量和每类所述历史零件的第一数量，结合所述总数量和所述第一数量得到每类所述历史零件的加工占比率；基于加工过程中所需的刀具类型得到刀具对每类所述历史零件的第一影响程度；统计所述设定时间段内所有刀具每次产生的进给量得到每个所述进给量的使用频率，结合不同的所述进给量和其所述使用频率得到刀具进给对每类所述历史零件的第二影响程度；
[0005]第二数据处理单元，用于根据设定时间段内机床主轴的转速得到最小转速，通过对比每类所述历史零件对应的转速与所述最小转速之间的差异得到主轴转速对每类所述历史零件的第三影响程度；结合所述加工占比率、所述第一影响程度、所述第二影响程度和所述第三影响程度得到每类所述历史零件的特征指标；
[0006]智能控制分析单元，用于对多类所述历史零件的所述特征指标进行归一化处理得到对应的归一化值；对所述归一化值进行霍夫曼编码得到每类所述历史零件的编码，进而构成通用霍夫曼表；获取待加工生产物品的实际零件类型，通过查询所述通用霍夫曼表得到所述实际零件类型对应的实际编码，以根据所述实际编码对所述数控机床组进行智能控制。
[0007]进一步地，所述第一数据处理单元中每个所述进给量的使用频率的获取方法，包括：
[0008]统计所述设定时间段内所有刀具每次产生的所述进给量以得到每个所述进给量对应的刀具使用次数，根据刀具使用总次数和所述刀具使用次数得到对应所述进给量的所述使用频率。
[0009]进一步地，所述第一数据处理单元中基于加工过程中所需的刀具类型得到刀具对每类所述历史零件的第一影响程度的方法，包括：
[0010]统计当前类历史零件在其加工过程中使用的多种所述刀具类型，进而将每种所述刀具类型的权重进行相加得到刀具对当前类历史零件的所述第一影响程度，所述权重与刀
具所加工零件的复杂程度呈正相关关系。
[0011]进一步地，所述第一数据处理单元中结合不同的所述进给量和其所述使用频率得到刀具进给对每类所述历史零件的第二影响程度的方法，包括：
[0012]统计当前类历史零件在其加工过程中的进给量数量，结合进给量数量和每个进给量的使用频率获取刀具进给对当前类历史零件的所述第二影响程度，则所述第二影响程度的计算公式为：
[0013][0014]其中，是由多类所述历史零件和每类所述历史零件对应的所述进给量数量所计算的平均进给量数量，即d
i
为第i类所述历史零件对应的所述进给量数量；d为当前类历史零件对应的所述进给量数量；u2为所述第二影响程度；γ
d
为第d个所述进给量的所述使用频率。
[0015]进一步地，所述第二数据处理单元中结合所述加工占比率、所述第一影响程度、所述第二影响程度和所述第三影响程度得到每类所述历史零件的特征指标的方法，包括：
[0016]对所述第一影响程度、所述第二影响程度和所述第三影响程度进行加权求和得到影响程度指标；将所述影响程度指标与所述加工占比率之间的加和作为对应类所述历史零件的所述特征指标。
[0017]进一步地，所述智能控制分析单元中对所述归一化值进行霍夫曼编码得到每类所述历史零件的编码，进而构成通用霍夫曼表的方法，包括：
[0018]将每个所述归一化值作为一个根节点，对所有所述归一化值进行按照从大到小进行排序，然后根据所述归一化值和其对应的所述影响程度指标的大小选取两个最小的所述归一化值相加作为新归一化值，且将相加的两个所述归一化值分别赋予“1”与“0”，再将新归一化值与剩余的所述归一化值重新排序，再把最小的两个所述归一化值相加作为新归一化值，同时也将相加的两个所述归一化值分别赋予“1”与“0”，依次类推直至最后变成“1”；
[0019]从根节点往下开始搜寻直至“1”，将每个根节点搜寻路线上所遇到的“1”与“0”按照最低位到最高位的顺序排好，以得到每个根节点对应的编码，将所有编码组成所述通用霍夫曼表。
[0020]进一步地，所述智能控制分析单元中根据所述归一化值和其对应的所述影响程度指标的大小选取两个最小的所述归一化值的方法，包括：
[0021]当排序后的所述归一化值中不存在3个或3个以上相同且都是最小归一化值时，通过对比所述归一化值的大小得到两个最小的所述归一化值；反之，当排序后的所述归一化值中存在3个或3个以上相同且都是最小归一化值时，对比这些相同且都是最小归一化值的所述影响程度指标，将两个最小的所述影响程度指标对应所述归一化值作为最小的所述归一化值。
[0022]本专利技术实施例至少具有如下有益效果：对数控机床进行工业信息采集和数据处理以将每类零件的加工设备参数用编码的形式替代，构成通用编码表，通过查询通用编码表来自动控制数控机床，以提高零件加工效率，且该系统能够在互联网协同制造平台等互联网生产服务平台进行实现。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0024]图1为本专利技术一个实施例提供的一种基于大数据的数控机床组智能控制系统的结构框图。
具体实施方式
[0025]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于大数据的数控机床组智能控制系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0026]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0027]下面结合附图具体的说明本专利技术所提供的一种基于大数据的数控机床组智能控制系统的具体方案。
[0028]请参阅图1，其示出了本专利技术一个实施例提供的一种基于大数据的数控机床组智能控制系统的结构框图，该系统包括：
[0029]第一数据处理单元10，用于基于数控机床组在设定时间段内加工的历史零件，统计历史本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的数控机床组智能控制系统，其特征在于，该系统包括：第一数据处理单元，用于基于数控机床组在设定时间段内加工的历史零件，统计所述历史零件的总数量和每类所述历史零件的第一数量，结合所述总数量和所述第一数量得到每类所述历史零件的加工占比率；基于加工过程中所需的刀具类型得到刀具对每类所述历史零件的第一影响程度；统计所述设定时间段内所有刀具每次产生的进给量得到每个所述进给量的使用频率，结合不同的所述进给量和其所述使用频率得到刀具进给对每类所述历史零件的第二影响程度；第二数据处理单元，用于根据设定时间段内机床主轴的转速得到最小转速，通过对比每类所述历史零件对应的转速与所述最小转速之间的差异得到主轴转速对每类所述历史零件的第三影响程度；结合所述加工占比率、所述第一影响程度、所述第二影响程度和所述第三影响程度得到每类所述历史零件的特征指标；智能控制分析单元，用于对多类所述历史零件的所述特征指标进行归一化处理得到对应的归一化值；对所述归一化值进行霍夫曼编码得到每类所述历史零件的编码，进而构成通用霍夫曼表；获取待加工生产物品的实际零件类型，通过查询所述通用霍夫曼表得到所述实际零件类型对应的实际编码，以根据所述实际编码对所述数控机床组进行智能控制。2.如权利要求1所述的一种基于大数据的数控机床组智能控制系统，其特征在于，所述第一数据处理单元中每个所述进给量的使用频率的获取方法，包括：统计所述设定时间段内所有刀具每次产生的所述进给量以得到每个所述进给量对应的刀具使用次数，根据刀具使用总次数和所述刀具使用次数得到对应所述进给量的所述使用频率。3.如权利要求1所述的一种基于大数据的数控机床组智能控制系统，其特征在于，所述第一数据处理单元中基于加工过程中所需的刀具类型得到刀具对每类所述历史零件的第一影响程度的方法，包括：统计当前类历史零件在其加工过程中使用的多种所述刀具类型，进而将每种所述刀具类型的权重进行相加得到刀具对当前类历史零件的所述第一影响程度，所述权重与刀具所加工零件的复杂程度呈正相关关系。4.如权利要求1所述的一种基于大数据的数控机床组智能控制系统，其特征在于，所述第一数据处理单元中结合不同的所述进给量和其所述使用频率得到刀具进给对每类所述历史零件的第二影响程度的方法，包括：统计当前类历史零件在其加工过程中的进给量数量，结合进给量数量和每个进给量的使用频率获取刀具进给对当前类...

【专利技术属性】
技术研发人员：王海龙，
申请(专利权)人：江苏贵钰航空工业有限公司，
类型：发明
国别省市：